1.一种磁共振地下水探测随机噪声抑制方法,其特征在于,包括:构建噪声抑制模型,以及通过噪声抑制模型对磁共振地下水探测随机噪声进行抑制;其中构建噪声抑制模型包括:a、构建数据集:向多组理想的磁共振信号中加入随机噪声,得到数据集X=[x1,x2,...,xn],将数据集按7:3的比例划分为训练集S=[x1,x2,...,xm]和测试集T=[xm+1,xm+2,...,xn];
b、搭建模型:引入卷积层、反卷积层来搭建自适应自编码器模型,自适应自编码器模型包括编码器和解码器,并初始化网络参数;
c、训练模型:利用训练集S对自适应自编码器模型进行训练,通过编码器对数据进行特征提取得到隐变量z,通过解码器从隐变量z重构出有效信号;
d、确定模型:使得自编码器建立训练样本的概率分布模型学习信号的分布规律,依据输入信号与重构信号偏差确定损失函数,并引入参数估计误差约束损失函数,更新网络模型参数,直到损失函数趋势稳定,得到自适应自编码器去噪模型;
e、测试模型:使用测试集T测试自适应自编码器去噪模型去噪效果;
所述步骤b中的搭建模型的具体步骤包括:使用卷积层搭建自适应自编码器中的编码器,初始化网络参数,编码器网络记作Q();
使用反卷积层搭建自适应自编码器中的解码器,初始化网络参数,解码器网络记作P();
步骤d中的确定模型具体包括:
1)通过衡量隐变量z相对于输入信号x的分布和相对于重构信号xr分布的信息损失分布距离,利用变分推断,计算x与xr的分布规律:,
其中,和分别为编码器和解码器概率模型估计z的分布;
2)由贝叶斯公式和步骤1)得到:,
将记作,
,
;
为最大化似然概率,最大化,即自适应自编码器模型的损失函数,
假设和均为正态分布,分别服从,N(0,1),则,
为解码器生成重建信号的重建效果;
3)最大化转换为:
,
,
4)分别对模型输入x、输出的信号xr取复包络,表示为u(x)与u(xr),将两者之间的差距作为约束模型损失函数的条件,则模型的损失函数改进为,
优化损失函数,更新编码器解码器参数和,直到稳定,确定自适应自编码器去噪模型。
2.按照权利要求1所述的磁共振地下水探测随机噪声抑制方法,其特征在于,通过噪声抑制模型对磁共振地下水探测随机噪声进行抑制,包括:通过编码器对输入含噪信号进行变分推断,将数据输入编码器,经过卷积层,第L层输出为:,
其中,为第L个卷积层的输出,,为第L层的卷积核和偏置,*代表卷积运算,则经过编码器后,网络输出为隐变量z为:z=Q(;x),
其中,={W1,b1};
解码器根据隐变量z重构信号,与输入信号有相同分布规律,隐变量z作为输入,经过反卷积层,第L层输出为:,
其中,为第L个反卷积层的输出,,为第L层的卷积核和偏置,*代表卷积运算,则经过解码器后,网络根据隐变量z重构的信号为:=P(;z),
其中,={W2,b2}。
3.一种磁共振地下水探测随机噪声抑制模型的构建系统,其特征在于,包括:数据集构建模块:向多组理想的磁共振信号中加入随机噪声,得到数据集X=[x1,x2,...,xn],将数据集按7:3的比例划分为训练集S=[x1,x2,...,xm]和测试集T=[xm+1,xm+2,...,xn];
模型搭建模块:引入卷积层、反卷积层来搭建自适应自编码器模型,自编码器模型包括编码器和解码器,并初始化网络参数;
模型训练模块:利用训练集S对自适应自编码器模型进行训练,通过编码器对数据进行特征提取得到隐变量z,通过解码器从隐变量z重构出有效信号;
模型确定模块:使得自编码器建立训练样本的概率分布模型学习信号的分布规律,依据输入信号与重构信号偏差确定损失函数,并引入参数估计误差约束损失函数,更新网络模型参数,直到损失函数趋势稳定,得到自适应自编码器去噪模型;
模型测试模块:使用测试集T测试自适应自编码器去噪模型去噪效果;
模型搭建模块搭建的具体步骤包括:使用卷积层搭建自适应自编码器中的编码器,初始化网络参数,编码器网络记作Q();
使用反卷积层搭建自适应自编码器中的解码器,初始化网络参数,解码器网络记作P();
模型训练模块进行训练的具体过程包括:通过编码器对输入含噪信号进行变分推断,将数据输入编码器,经过卷积层,第L层输出为:,
其中,为第L个卷积层的输出,,分别为第L层的卷积核和偏置,*代表卷积运算,则经过编码器后,网络输出为隐变量z为:z=Q(;x),
其中,={W1,b1};
解码器根据隐变量z重构信号,与输入信号有相同分布规律,隐变量z作为输入,经过反卷积层,第L层输出为:,
其中,为第L个反卷积层的输出,,分别为第L层的卷积核和偏置,*代表卷积运算,则经过解码器后,网络根据隐变量z重构的信号为:=P(;z),
其中,={W2,b2}。
4.按照权利要求3所述的磁共振地下水探测随机噪声抑制模型的构建系统,其特征在于,模型确定模块具体的确定过程包括:
1)通过衡量隐变量z相对于输入信号x的分布和相对于重构信号xr分布的信息损失分布距离,利用变分推断,计算x与xr的分布规律的偏差:,
其中,和分别为编码器和解码器概率模型估计z的分布;
2)由贝叶斯公式和步骤1)得到:,
将记作,
,
;
为最大化似然概率,最大化,即自适应自编码器模型的损失函数,
假设和均为正态分布,分别服从,N(0,1),则,
为解码器生成重建信号的重建效果;
3)最大化转换为:
,
,
4)分别对模型输入x、输出的信号xr取复包络,表示为u(x)与u(xr),将两者之间的差距作为约束模型损失函数的条件,则模型的损失函数改进为,
优化损失函数,更新编码器解码器参数和,直到稳定,确定自适应自编码器去噪模型。